سیدمحسن حسینی - گروه مهندسی کامپیوتر، دانشگاه شهید بهشتی
حسن قیصری - گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا
علیرضا طالب پور - گروه مهندسی کامپیوتر، دانشگاه شهید بهشتی

تشخیص بهنگام آریتمی در بیماران قلبی دارای اهمیت بسیار بالایی است. این کا بوسیله تجزیه و تحلیل سیگنال الکتروکاردیوگرافی (ECG) و استخراج ویزگی های آن انجام می شود. این ویزگی ها برای دسته بندی انواع مختلف آریتمی مورد استفاده قرار می گیرد. در این مقاله سه روش مختلف برای استخراج ویزگی با هم مقایسه شده است: تبدیل فوریه سریع (FFT)، مدل خودبازگشت (اتورگرسیو) (AR) و تجزیه و تحلیل مؤلفه های اصلی (PCA). دسته بندی که مورد استفاده شده شبکه عصبی مصنوعی (ANN) است. ما دریافتیم که سیستمی که مبتنی بر ویژگی های PCA است دقت بالاتری دارد. تکنیک های پیشنهادی دارای داده آموزش و آزمون است.دقتی بدست آمده در مقاله 92.60 است که در مقایسه با دقت 84.5 روش های دیگر روی داده یکسان بهبود خوبی است.

استخراج ویژگی، تبدیل فوریه سریع، مدل خودبازگشتی، تجزیه مؤلفه های اصلی، شبکه های عصبی، آریتمی قلبی